MétaCan
Menu
Retour à la cohorte
Enregistrement W7100980936

Is the Recent Productivity Boom Over?

2010· article· en· W7100980936 sur OpenAlexaboutno aff

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineEconomics, Econometrics and Finance
ThématiqueGerman Economic Analysis & Policies
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésProductivityQuarter (Canadian coin)RecessionPaceBoomUnemploymentSlowdownSlow growth
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

Productivity growth has been quite strong over the past 2 years, despite a drop in the second quarter of 2010. Many analysts believe that productivity growth must slow sharply in order for the labor market to recover robustly. However, looking at the observable factors underlying recent productivity growth and the patterns of productivity over past recessions and recoveries, a sharp slowdown appears unlikely. Labor productivity, defined as output per hour of labor, unexpectedly stalled in the second quarter of 2010, falling by a 1.1 % annual rate in the total business sector based on data available through the end of August. This follows 2 years of generally strong productivity growth, which started when the recession began at the end of 2007. In fact, the annualized 2.5 % pace of labor productivity growth during the latest recession, which appears to have ended in mid-2009, was the fourth strongest of the 11 recessions since World War II. Post-recession, from the third quarter of 2009 to the second quarter of 2010, productivity grew at an even faster annual pace of 2.8%, even with the second-quarter drop. This strong growth is one reason for the scant downward movement in the unemployment rate despite moderate GDP gains. Businesses have been able to meet demand for their products and services without hiring new workers or increasing the hours of current staff because they are managing to get more from each hour of labor.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,003
score de la tête « metaresearch » (Gemma)0,012
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,022
Score d'incertitude au seuil0,073

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0030,012
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0030,006
Études des sciences et des technologies0,0010,003
Communication savante0,0060,008
Science ouverte0,0010,002
Intégrité de la recherche0,0030,004
Charge utile insuffisante (le modèle a refusé de juger)0,0220,005

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,031
Tête enseignante GPT0,228
Écart entre enseignants0,197 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeThéorique ou conceptuel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2010
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetGerman Economic Analysis & PoliciesTravaux en français237 207